我必须从纸质表单中提取两个预打印（非手写）字段，以便在扫描后自动路由。这些字段包含批次和项目标识符，例如“GG-9192”或“EPN / 245G”。
我尝试过以下软件：
我尝试了以下设置：
在所有情况下，输出几乎遍布整个地方。我可以回复我无法正确提取必要信息的文件，但我认为它至少会有一半。我根据数据库中的已知值考虑了某种模糊逻辑，但有时这些标识符可能会因单个字符而不同，例如“123G”和“123C”。
这是否是一个失败的原因？也许OCR还不够成熟，无法满足这种性质的要求？您可能会推荐哪些其他技巧？条形码？
编辑：包含的应用程序是Java格式的，因此任何有免费或廉价的基于Java的API的建议都会有所帮助。
编辑2：如果有人感兴趣...没有任何特殊调整，Cuneiform for Linux和Canon ImageRunner工作得最好，Tesserect-OCR和Asprise Java API产生最差的结果......四者中没有一个是可以接受的除标准文档搜索等级OCR之外的任何东西我开始认为这不会成功。
答案 0 :(得分：2)
如果您可以控制字段，为什么要首先使用人类可读的格式？对于扫描，它看起来像QR码，或类似的东西是最好的。它标有方向，并有一些内置的纠错功能。
答案 1 :(得分：2)
我从番茄的建议开始挖掘产品。我尝试过ABBYY和CVISION。两者都有可以自动化OCR的产品：
此外，ABBYY有SDKs for various platforms，而CVISION的SDK似乎至少可以使用VB / VC ++。
我还没有尝试过任何SDK，我不确定它对我的项目是否必要。我需要的只是PDF格式，我可以从中提取文本。然而，我确实尝试过CVISION的服务器产品，并且在最准确的设置下使用OCR，它的效果非常好。我还没有尝试过ABBYY的服务器产品，因为我必须通过经销商才能进行试用。我正在这样做，但如果它开始变得烦人，我可能会选择CVISION。我确实尝试过ABBYY的FineReader独立产品，它运行得很好，所以我认为他们的服务器产品也会。